[發明專利]一種藥物敏感性的預測方法、裝置、終端設備及介質

在審

• 申請號: 202310211704.2
• 申請日: 2023-03-07
• 公開（公告）號: CN116313148A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 鄧磊;黃智健
• 申請（專利權）人: 中南大學
• 主分類號: G16H70/40
• 分類號: G16H70/40;G16C20/30;G16C20/70;G06F18/25;G06F18/214;G16B15/30;G06N3/048;G06N3/047;G06N3/0499;G06N3/08
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 李崇章

本申請適用于生物信息技術領域，提供了一種藥物敏感性的預測方法、裝置、終端設備及介質。該預測方法通過在待測藥物的分子結構內進行有向消息傳遞，得到結構特征，并利用編碼神經網絡模型對結構特征進行編碼，得到第一藥物特征向量；對目標細胞系的基因表達信息進行特征提取，得到第一細胞系特征向量；對結構特征和基因表達信息進行交叉融合，基于多頭注意力機制，得到第二藥物特征向量和第二細胞系特征向量；利用第一藥物特征向量、第一細胞系特征向量、第二藥物特征向量以及第二細胞系特征向量，構建藥物敏感性預測模型；利用藥物敏感性預測模型，預測待測藥物對目標細胞系的敏感性。本申請能夠提高藥物敏感性的預測方法的準確性。

技術領域

本申請屬于生物信息技術領域，尤其涉及一種藥物敏感性的預測方法、裝置、終端設備及介質。

背景技術

目前，藥物敏感性的預測研究主要集中在藥物再利用方面。傳統的藥物再利用方法依賴于濕實驗室(Wet?Lab，是一個科學概念，與“干實驗室”(Dry?Lab)相對。濕實驗室相比干實驗室，在進行實驗時，需要用到較多的化學試劑)實驗，但濕實驗室實驗的成本十分昂貴且耗時嚴重。因此，相關領域技術人員提出通過構建新的計算方法來對藥物敏感性進行預測，現行的藥物敏感性的預測方法主要分為網絡驅動方法和機器學習方法，然而，這兩種方法都不能準確的預測出藥物對于病毒寄主細胞系的敏感性，因而無法準確篩選出治療特定疾病的藥物。

發明內容

本申請實施例提供了一種藥物敏感性的預測方法、裝置、終端設備及介質，可以解決目前藥物敏感性的預測方法準確性不高的問題。

第一方面，本申請實施例提供了一種藥物敏感性的預測方法，包括：

在待測藥物的分子結構內進行有向消息傳遞，得到待測藥物的結構特征，并利用預先訓練后的編碼神經網絡模型對結構特征進行編碼，得到第一藥物特征向量；

對預先獲取的目標細胞系的基因表達信息進行特征提取，得到第一細胞系特征向量；

對結構特征和基因表達信息進行交叉融合，基于多頭注意力機制，得到第二藥物特征向量和第二細胞系特征向量；

利用第一藥物特征向量、第一細胞系特征向量、第二藥物特征向量以及第二細胞系特征向量，構建藥物敏感性預測模型；

利用藥物敏感性預測模型，預測待測藥物對目標細胞系的敏感性。

可選的，結構特征包括待測藥物的原子特征和化學鍵特征。

可選的，在待測藥物的分子結構內進行有向消息傳遞，得到待測藥物的結構特征，并利用預先訓練后的編碼神經網絡模型對結構特征進行編碼，得到第一藥物特征向量，包括：

通過計算公式得到化學鍵的初始隱藏向量其中，Wⁱ表示一可訓練的參數，n_a表示第a個原子特征，e_ab表示化學鍵ab的化學鍵特征，f(·)表示ReLU激活函數，R表示實數域，h_c表示原子向量與鍵向量的維度的和，h表示隱藏向量的維度；

通過計算公式

得到結構特征h_d；其中，表示分子結構的第i個原子的原子特征，h_a∈R^n×h，表示第t+1步的消息傳遞向量，表示第t+1步的分子結構的隱藏向量，t＝1,2,...,T，T表示分子結構的消息傳遞的總步數；表示第t步時原子a和原子i直接鍵的隱藏向量，W^m和W^o表示兩個不同的可訓練的參數，W^m∈R^h×h，m_a表示原子a的消息向量；